python - Pandas 线图(按月)，按带有时间戳的 SQL 导出的行业分组

Question

新手问题，先谢谢你了!

我尝试按日期和行业对数据进行分组，并显示一个图表，该图表显示整个时间序列中不同行业的收入数字(按月增量)。

我正在处理带有时间戳的 SQL 导出，需要花很多时间才能使其正常工作。

在此处发布示例 csv 数据文件: https://drive.google.com/open?id=0B4xdnV0LFZI1WGRMN3AyU2JERVU

这是一个小数据示例:

Industry     Date                Revenue
Fast Food   01-05-2016 12:18:02  100
Fine Dining 01-08-2016 09:17:48  110
Carnivals   01-18-2016 10:48:52  200

我失败的尝试在这里:

import pandas as pd
import datetime
import matplotlib.pyplot as plt

df = pd.read_csv('2012_to_12_27_2016.csv')

df['Ship_Date'] = pd.to_datetime(df['Ship_Date'], errors = 'coerce')
df['Year'] =  df.Ship_Date.dt.year
df['Ship_Date'] =  pd.DatetimeIndex(df.Ship_Date).normalize()
df.index = df['Ship_Date']
df_skinny = df[['Shipment_Piece_Revenue', 'Industry']]

groups = df_skinny[['Shipment_Piece_Revenue', 'Industry']].groupby('Industry')
groups = groups.resample('M').sum()
groups.index = df['Ship_Date']

fig, ax = plt.subplots()
groups.plot(ax=ax, legend=False)
names = [item[0] for item in groups]
ax.legend(ax.lines, names, loc='best')

plt.show()

Answer 1

您可以使用DataFrame.Series.unique获取所有行业的列表，然后使用DataFrame.loc定义一个新的DataFrame > 仅包含来自单个行业的数据的对象。

然后如果我们将Ship Date列设置为新DataFrame的索引，我们可以使用DataFrame.resample，指定频率以月份为单位，并调用 sum() 来获取该月的总收入。

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('Graph_Sample_Data.csv')
df['Ship Date'] = pd.to_datetime(df['Ship Date'], errors='coerce')

fig, ax = plt.subplots()

for industry in df.Industry.unique():
    industry_df = df.loc[df.Industry == industry]
    industry_df.index = industry_df['Ship Date']
    industry_df = industry_df.resample('M').sum()
    industry_df.plot(x=industry_df.index, 
                     y='Revenue', 
                     ax=ax,
                     label=industry)

plt.show()